背景

目前計(jì)算機(jī)的研究生研究方向很多，由計(jì)算機(jī)視覺(jué)、深度學(xué)習(xí)、自然語(yǔ)言處理等等。目前作者的研究領(lǐng)域是數(shù)據(jù)挖掘，給給入門(mén)的同學(xué)們推薦數(shù)據(jù)挖掘的一些常用網(wǎng)站（英文）。有A類(lèi)的，也有B類(lèi)的，覺(jué)得哪個(gè)合適自己就常關(guān)注。

---

正文

KDD(ACMKnowledge Discovery and Data Mining):https://www.kdd.org/kdd2018/accepted-papers
KDD：KDD是屬于A類(lèi)，是數(shù)據(jù)挖掘的頂級(jí)會(huì)議，每年召開(kāi)。

SIGKDD( Special Interest Group (SIG) on Knowledge Discovery and Data Mining):https://www.kdd.org/explorations
SIGKDD：SIGKDD是KDD的一個(gè)特殊興趣小組會(huì)議，可以說(shuō)是KDD的子刊。

ICDE(IEEEInternational Conference on Data Engineering):https://dblp.uni-trier.de/db/conf/icde/icde2018.html
ICDE：ICDE屬于A類(lèi)。

PKDD(ThePacific-Asia Conference on Knowledge Discovery and Data Mining):http://www.ecmlpkdd2018.org/accepted-papers-by-track-2/#paperid-73-closed
PKDD：PKDD屬于C類(lèi)。

ICDM(IEEE International Conference on Data Mining):http://icdm2018.org/ (找不到下載列表)
ICDM：IEEEICDM與ACMSIGKDD，SIAMSDM并稱(chēng)為數(shù)據(jù)挖掘領(lǐng)域的三大頂級(jí)國(guó)際會(huì)議。其中，ICDM是唯一實(shí)行論文盲審的會(huì)議，每年都會(huì)吸引大量學(xué)者參會(huì)。
數(shù)據(jù)挖掘方面僅次于SIGKDD的會(huì)議,目前和SDM相當(dāng).這個(gè)會(huì)只有5年歷史,上升速度之快非常驚人.幾年前ICDM還比不上PAKDD,現(xiàn)在已經(jīng)拉開(kāi)很大距離了。

SDM(SIAMInternational Conference on Data Mining):https://archive.siam.org/journals/newpost.php
SDM：數(shù)據(jù)挖掘方面僅次于SIGKDD的會(huì)議,目前和ICDM相當(dāng).SIAM的底子很厚,但在CS里面的影響比ACM和IEEE還是要小,SDM眼看著要被ICDM超過(guò)了,但至少
目前還是相當(dāng)?shù)摹?br /> SIAM的數(shù)據(jù)挖掘會(huì)議，與ICDM并列為數(shù)據(jù)挖掘領(lǐng)域的第二位，比KDD有明顯差距。好像其中統(tǒng)計(jì)背景的人比較多，也有一部分機(jī)器學(xué)習(xí)背景的人，比較diversified。

---

參考文獻(xiàn)

[1] 數(shù)據(jù)挖掘領(lǐng)域重要會(huì)議與期刊情況

總結(jié)

以上是生活随笔為你收集整理的数据挖掘常用网站的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。